[发明专利]一种人脸属性识别方法和装置

说明书

本发明实施例提供了一种人脸属性识别方法和装置，方法包括：对待识别的目标图像进行人脸关键点检测，得到目标图像中的人脸关键点信息，作为第一人脸关键点信息；对第一人脸关键点信息进行特征提取，得到第一人脸关键点特征，并对目标图像进行特征提取，得到第一原始图像特征；对第一人脸关键点特征和第一原始图像特征进行特征融合，得到目标特征；基于目标特征和预先训练的分类模型，确定目标图像中的人脸属性类别。基于上述处理，能够提高人脸属性识别的精度。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种人脸属性识别方法和装置。

背景技术

随着AI(Artificial Intelligence，人工智能)技术的快速发展，可以对图像中的人脸属性进行识别，以确定图像中的人脸属性类别，人脸属性类别可以包括图像中人脸的五官的属性类别，例如，可以确定图像中人物的发型是中分还是偏分、确定人物的脸型是圆形还是方形等。

相关技术中，通常可以采用机器学习算法对人脸属性进行识别。一种方式中，可以利用卷积神经网络模型，提取图像中人脸的特征，并根据提取到的人脸特征和分类模型，得到图像属于预设各属性类别的概率，进而，可以根据得到的各概率，确定图像中的人脸属性类别。

然而，相关技术中，受限于卷积神经网络模型的精度，提取到的特征可能无法准确地体现图像中人脸的局部的特征，例如，人物胡须的形状、人物眉毛的形状等局部的特征，进而，导致人脸属性识别的精度较低。

发明内容

本发明实施例的目的在于提供一种人脸属性识别方法和装置，以提高人脸属性识别的精度。具体技术方案如下：

在本发明实施的第一方面，首先提供了一种人脸属性识别方法，所述方法包括：

对待识别的目标图像进行人脸关键点检测，得到所述目标图像中的人脸关键点信息，作为第一人脸关键点信息；

对所述第一人脸关键点信息进行特征提取，得到第一人脸关键点特征，并对所述目标图像进行特征提取，得到第一原始图像特征；

对所述第一人脸关键点特征和所述第一原始图像特征进行特征融合，得到目标特征；

基于所述目标特征和预先训练的分类模型，确定所述目标图像中的人脸属性类别。

可选的，所述对所述第一人脸关键点特征和所述第一原始图像特征进行特征融合，得到目标特征，包括：

将用于表示所述第一人脸关键点特征的特征向量，和用于表示所述第一原始图像特征的特征向量相加，得到目标特征；或者，

将用于表示所述第一人脸关键点特征的特征向量，和用于表示所述第一原始图像特征的特征向量级联，得到目标特征。

可选的，所述基于所述目标特征和预先训练的分类模型，确定所述目标图像中的人脸属性类别，包括：

将所述目标特征输入至预先训练的分类模型，得到预设各属性类别对应的概率；

将概率大于预设概率阈值的属性类别，作为所述目标图像的人脸属性类别。

可选的，在所述基于所述目标特征和预先训练的分类模型，确定所述目标图像中的人脸属性类别之前，所述方法还包括：

对样本图像进行人脸关键点检测，得到所述样本图像中的人脸关键点信息，作为第二人脸关键点信息；

对所述第二人脸关键点信息进行特征提取，得到第二人脸关键点特征，并对所述样本图像进行特征提取，得到第二原始图像特征；

将对所述第二人脸关键点特征和所述第二原始图像特征进行特征融合的结果，输入至预设结构的分类模型；